# PORA insegna agli agenti LLM quando ragionare più a lungo

> Il nuovo metodo PORA permette agli agenti basati su modelli linguistici di scegliere ragionamenti brevi o lunghi in base al budget e ai benefici attesi, riducendo fino alla metà il calcolo necessario.

Oossa · 2026-10-21 · https://oossa.com/it/pora-lets-llm-agents-decide-when-to-think-longer

Un gruppo di ricercatori guidato da Qi Zhang ha presentato PORA, una tecnica per agenti LLM che imparano quando un ragionamento più lungo migliora i risultati. Durante l’addestramento, il sistema esegue due volte lo stesso passaggio: una volta con un limite di ragionamento breve e una con uno più lungo, per valutare quale porta al risultato finale migliore. In fase di esecuzione, un controller usa questa stima appresa e il budget di calcolo residuo per scegliere l’opzione meno costosa, senza eseguire entrambe. Nei test su attività di memoria, programmazione, vendita al dettaglio e matematica, il metodo ha ottenuto punteggi fino al 32,9% più alti in un benchmark di memoria e ridotto fino al 31% le chiamate al modello nelle attività matematiche.

## I fatti

- Articolo pubblicato su arXiv il 2026-10-21
- Nel benchmark di memoria BFCL, PORA supera il precedente risultato migliore di 17,4–32,9 punti percentuali

## Perché conta

Consente agli sviluppatori di creare agenti IA più efficienti, che usano meno risorse di calcolo nel cloud senza sacrificare le prestazioni e riducono così i costi dei servizi basati sul ragionamento articolato.

## Fonti e riferimenti

1. [PORA: Learning When More Reasoning Pays Off for LLM Agents](https://arxiv.org/abs/2610.27119) – arXiv, 2026-10-21

Ultimo aggiornamento: 2026-10-21